【2023BI数据分析大赛】亚马逊消费者洞察分析报告
一、选手简介
1．参赛选手：LKL、Ashley
2．参赛初衷
（1）通过比赛锻炼数据分析能力以及数据产品的设计能力，提升数据分析的思维和产品布局配色能力。
（2）通过比赛对数据可视化工具有更深入的学习，毕竟“工欲善其事必先利其器”，用好数据工具，可以高效完成数据清洗、分析、可视化和输出报告的一系列数据分析工作，提高时间的利用率，更多的专注于业务结果的深层剖析。
（3）借此机会和更多数据分析大神，进行思维的激烈碰撞。
以下为作品最终展示，主色调采用亚马逊logo色，结构上主要保持对称性
二、数据说明
1．数据来源
自选数据：和鲸社区https://www.heywhale.com/mw/dataset/64ae9d50b6ccf385d0117e51/file；数据表为亚马逊消费者调研问卷，作品使用到的内容有（字段名称已重命名）：
2．数据处理
（1）数据清洗：将数据处理成可直观分析的内容
①产品推荐准确性：该字段值为1、2、3、4、5，分别根据内容判断转换为非常不准确、不准确、一般、准确、非常准确。
②产品推荐频次：该字段值为1、2、3、4、5，分别根据内容判断转换为从不、极少、偶尔、经常、总是。
③购物体验满意程度：该字段值为1、2、3、4、5，分别根据内容判断转换为非常不满意、不满意、一般、比较满意、非常满意。
④年龄分布：将该字段按年龄范围分层，分别处理为20以下、21-25、26-30、31-35、36-40、41-45、46-50、50以上。
（2）字段设置：表字段精简，取消不需要的列和字段重命名
（3）购买商品偏好数据处理：该字段内容为多选项，拆分处理对单个品类进行分析
①拆分行列：将购买商品偏好按分隔符";"拆分为5列
②列转行：将拆分的5列购买商品偏好内容合并为一列
③新增公式列：观察到购买商品偏好内容有部分缺失和描述有字体差异，新增公式列进行补全和修改一致，分别为“服装与时尚”修改为“服装和时尚”，“和厨房”修改为“家庭和厨房”，“货和美食”修改为“杂货和美食”。
④字段设置：考虑到联动分析，保留了性别、年龄分布、购买频次、购买商品偏好
⑤过滤：将购买商品偏好内容为空的过滤
（4）购物车转化数据处理：将数据处理为可用于漏斗模型分析
①新增公式列：消费者人数，并赋值“1”
②列转行：将浏览时是否会添加到购物车、添加购物车后是否购买、消费者人数进行列转行处理
③过滤：只取满足浏览时会添加到购物车、添加到购物车后会购买及消费者人数。
三、分析背景
近年来，跨境电商市场发展迅猛，各大平台之间的竞争愈发白热化。新兴黑马“shein”“temu”等冲劲十足，持续开疆扩土，虽然他们的用户体量还未追赶上亚马逊，但是用户增速快，在竞争者紧追不舍之下，亚马逊需要不断优化自身的服务和产品，提高用户体验，才能在跨境电商市场中保持领先地位。
本作品将利用网上的消费者调研问卷数据，分析主流跨境电商亚马逊的消费者情况，对消费者的基本属性、消费偏好、购物闭环链路等行为特征进行深入的分析和了解，以及消费者是如何看待亚马逊平台的优劣势及特色服务功能等。
希望通过分析能给亚马逊平台和入驻平台的卖家提供一些参考建议，以更好地满足消费者的需求，让平台、卖家和消费者实现互利共赢。
四、分析思路
拿到亚马逊消费者数据后，经过沟通讨论，我们决定围绕以下三个主题去深入分析：
1、消费者基本画像和行为特征
从性格、年龄、商品偏好、购物频次去了解亚马逊的主流消费人群和消费偏好。
2、消费者购物链路
拆解了消费者购前、购中、购后三个方面去分析消费者购物过程中的行为情况。
3、平台服务影响因素和改进建议
从亚马逊优势、亚马逊改进建议、产品推荐功能和购物体验满意度四个方面分析平台服务对消费者购物的影响。
五、分析过程
1．消费者基本画像和行为特征
目的：分析哪些用户是亚马逊的主要用户群体，及他们的购物行为特征是如何分布的。
（1）消费者基本画像
如上图所示，通过饼图展示消费者男女比例，柱形图展示消费者年龄分布占比，直观呈现出不同群体间的差异性。可得出以下结论：
① 亚马逊平台主要以女性消费者为主，占比高达64.45%。
② 亚马逊平台客群以21-35岁为主，占比为68.77%，其中21-25年龄段占比高达40.86%，客群相对年轻。
③ 如上图所示，通过对性别、年龄联动分析可知，女性消费者的年龄分布主要为21-25和31-35，男性消费者的年龄分布主要为21-25和26-30，两者都以21-25占比最高。
（2）消费者行为特征
如上图所示，通过词云图和矩形树图直观展示消费者的购买偏好和购买频次。可得出以下结论：
① 消费者的购买偏好前三品类依次为服装和时尚、美容和个人护理、家庭和厨房。
② 消费者每月购物次数相对频繁，“一个月几次”的占比高达总体的三分之一。
（3）在对数据进行浅层分析后，考虑到实际业务中是需要进行结合多个维度的交叉联动分析，才能反馈业务问题。因此，对性别、年龄、购买商品偏好、购物频次进行多级联动，进一步深入分析。
① 如上图所示，21-25岁的女性，一个月购物几次的商品偏好为美容和个人护理。
② 如上图所示，31-35岁的女性，一个月购物几次的商品偏好为服装和时尚。
③ 如上图所示，21-25岁的男性，一个月购物几次的商品偏好为服装和时尚。
④ 如上图所示，26-30岁的男性，一个月购物几次的商品偏好为美容和个人护理。
综上所述：
问题（现象）：亚马逊平台用户群体偏年轻化，集中于21-25岁的年轻人，而不同性别的群体表现出不同的商品消费偏好，且女性群体的消费贡献率超过60%。
建议（措施）：卖家可以采取更丰富的活动，结合市场流行因素，布局更多品类爆款争夺年轻人和女性消费群体的“口袋”。
2．消费者购物链路分析
消费者在购物过程中表现的行为分为3大环节，本章节分析问题分别是：
① 消费者内心产生某种需求时，是如何搜索到对应产品的？搜索行为是如何分布的？
② 完成搜索行为后，点击某产品进入浏览时，会关注哪些指标？购物车加购转化效果如何？
③ 消费者在完成购物后，会产生哪些行为，如是否留评反馈？
（1）购前行为分析
由上图可知：
问题（现象）：消费者更多是采用产品类别和关键词的搜索方式，占比依次为37.04%、35.55%。
建议（措施）：亚马逊平台卖家做好产品类别和关键词的运营策略。
（2）购中行为分析
① 商品评论分析
由上图可知：
问题（现象）：消费者在购物中对商品他人留评的依赖程度相对较高，重要和适度占比达到57.81%，且对消费者的调查反馈结果来看，大部分消费者认为商品评论是具有较大参考价值的。
建议（措施）：留评对消费者购买转化起到了重要作用，建议卖家做好售前售中售后服务工作。
② 购物车转化分析
由上图可知：
问题（现象）：从购物车的漏斗转化分析模型得出35.8%的消费者在浏览时会将商品添加到购物车，而其加购转化也相对较高，达到21.7%，可见大部分消费者在添加购物车后都会进行购买。
建议（措施）：在做好吸引消费者的浏览工作同时，建议平台要重视消费者的加购引导，特别要“浏览-加购”环节多下导购的措施。
③ 加购后放弃购买分析
由上图可知：
问题（现象）：消费者加购后放弃购买的原因主要是在其他地方找到更好的价格、改变了主意或不再需要该产品，以及运输成本高。而价格和运输成本导致的客户流失是平台和卖家可以共同去争取的。
建议（措施）： 建议卖家和平台通过改善供应链控制运输、仓储等成本，提供更有优势的价格，互利共赢。
（3）购后行为分析
由上图可知：
问题（现象）：购物后有近一半的消费者没有进行留评，而从购中分析来看，购后留评对消费者购买起到了重要作用。
建议（措施）：建议卖家和平台应关注评价，提供优质的产品和服务，积极争取正面评价，以提升产品的销量。
3．平台服务影响因素和改进建议分析
（1）亚马逊优势分析
由上图可知：
问题（现象）：消费者最欣赏亚马逊的地方分别为有竞争力的价格和个性化产品推荐功能，占比分别为31.06%和30.73%。
建议（措施）：建议平台和卖家继续做好性价比产品的供应和个性化推荐服务工作，充分发挥自身优势。
（2）亚马逊改进建议（劣势分析）
由上图可知：
问题（现象）：消费者对亚马逊的改进建议中排名前三的分别为客户服务响应能力、产品质量和准确性、减少包装上的浪费。
建议（措施）：建议平台和卖家做好客服培训工作，更高效的响应消费者的咨询需求。另外，卖家应更多去注重产品质量、提高详情页的准确性，避免“货不对板”，以及减少包装上的浪费。
（3）个性化产品推荐功能分析
由上图可知：
问题（现象）：消费者对亚马逊个性化产品推荐功能还是比较满意的。但结合上图中产品推荐频次、产品推荐购买情况、产品推荐准确性分析，产品推荐购买率较高，而消费者收到产品推荐服务的频次“极少”占比相对偏高，以及产品推荐一般和不准确的占比达到77.64%。
建议（措施）：建议平台优化产品推荐功能服务，提高“人与货品”的匹配度的准确性，以及提高产品推荐次数，高效触发更多的消费者，助力平台和卖家互利共赢；而卖家也可通过深入了解亚马逊推荐商品的算法，掌握亚马逊的规律使产品能有更多的曝光度。
（4）消费者购物体验满意度分析
由上图可知：
问题（现象）：消费者对亚马逊平台满意度较差，比较满意比例仅为11.13%，非常满意仅为2.82%，而不满意和非常不满意的比例超过了50%。
建议（措施）：建议平台和卖家多关注物流配送、售前售后服务、个性化服务等方面的工作，提高消费者满意度。
六、结论建议
本作品通过对亚马逊消费者进行调研，深入洞察分析后，总结归纳出如下结论与建议:
1、亚马逊平台用户群体偏年轻化，集中于21-25岁的年轻人，而不同性别的群体表现出不同的商品消费偏好。建议卖家在进行选品的时候更多选择年轻人喜欢的产品品类，多开发爆款，购买转化率也会相对较高。
2、根据购物链路转化模型分析可知，消费者在购前主要通过搜索关键词（如产品名称、品牌、用途等等）和品类寻找目标产品，在搜索的时候会出现一些相关的长尾关键词和精准关键词，而且可能会直接从下拉菜单中选择，建议卖家可针对该搜索行为，将搜索下拉栏的关键词放入自己listing或者广告里投放。
3、购中他人产品的评价分布对消费者的购买意愿起到了很大的参考作用，时刻影响着消费者的购买决策，建议卖家要重点做好产品的好评表现工作。
另外由购物车漏斗模型可知，消费者在浏览时加入购物车的转化率很高，而黄金购物车并非所有卖家都拥有，亚马逊根据产品的销售表现，赋予优秀的产品黄金购物车，所以建议卖家要加大加强对自身产品的运营，争夺黄金购物车。
因为一旦加购了产品，消费者的购买意愿相当高，故卖家需要重点关注产品的曝光和做好消费者的运营等工作。
针对加购后放弃购买的因素，产品的价格、运费、运输时效等，这些因素都影响着消费者的购买意愿，建议卖家优化自身供应链，降本保利的前提下，输出具备高性价比的产品给到消费者，以及可考虑将产品输送至入亚马逊的仓库，进行FBA合作，提高物流时效和降低运输成本。
4、而从购后的行为数据中，我们知道近一半的消费者没有进行留评，卖家需要围绕着如何让消费者购买后留下产品的好评去展开深入的工作分析。如用心做好产品的listing(详情页）卖点描述，这点需要与实际产品具有的卖点相吻合，切忌“无中生有”。
5、就亚马逊的优势来说，其具备有竞争力的价格和个性化产品推荐功能，迎来了一大波消费者的喜欢，而从消费者的调研中得知，平台也存在着一些劣势，客户服务响应能力、产品质量和准确性、包装上的浪费是最为凸显的几个方面，建议平台要着重解决好这几个因素，提高服务响应力，联合卖家开发出低价高质量的好产品，提倡绿色环保理念，减少包装上的铺装浪费。
6、亚马逊的个性化产品推荐功能对消费者的购买转化有促进作用，但推荐的产品准确性不高，以及推荐频率低，建议平台后续提高“人与产品”的匹配度和增加推荐频率。
7、从消费者的购物体验结果反馈可知，持“一般”“不满意”的态度较多，而产品价格、运费、评论、退货政策、运输时效、产品的质量、品牌标签这些因素都影响着消费者的购买体验，建议平台围绕以上因素逐步解决问题，提升购物体验效果。
七、参赛总结
1、关于FineBI工具，这是第一次使用6.0版本，相比5.1版本有了很大的提升，行转列、列转行功能让数据处理简单了很多。因为使用过之前的版本，所以操作上还是没有难度的，遇到的问题就是文本组件的自适应问题，在编辑页面能上下居中的内容，预览页面靠上显示了（这个问题指导老师说，他2年前就提过了）。
2、关于参赛总结，在完成作品的过程中，找数据和分析思路花了比较长的时间，可见数据指标体系、分析思路对数据分析的重要性。
在这过程中也有思路卡住的时候，我们就按先完成、再完善的方法，把想到的先记录下来，后面有了更好的思路再去修改。
工作中我更多是做报表开发，通过这次比赛跟队友共同完成一份完整的分析报告的过程中学到了很多，验证了纸上谈兵不如躬行实践。
最后，非常非常感谢和平老师一直以来的指导和鼓励，在可视化方面他给了我们很多帮助，就单配色我们就纠结了很久，最后他直接一句“用亚马逊的商标logo色吧”打开了我们的思路。所以，最终作品的仪表板布局、图表应用、色彩搭配上相比之前有了很大提升。
八、作品展示
